CAPÍTULO 1. Axioma 1 (Normalización): p(m) = 1.
|
|
- José Ramón Robles Díaz
- hace 7 años
- Vistas:
Transcripción
1 Índice general Índice general I 1. Teoría de la Probabilidad Medida de Probabilidad Asignación de Probabilidades Conteo: Conceptos Fundamentales de Combinatoria Probabilidad Condicional Dependencia e Independencia Teorema de Bayes Redes Probabilísticas Sistemas Inteligentes Sistemas Inteligentes Probabilísticos Redes Bayesianas Razonamiento Probabilístico. Inferencia Ejercicios i
2 CAPÍTULO 1 Teoría de la Probabilidad 1.1. Medida de Probabilidad Para medir la incertidumbre existente en un experimento aleatorio 1 dado, se parte de un espacio muestral M en el que se incluyen todos los posibles resultados individuales del experimento (sucesos elementales); es decir, el conjunto muestral es un conjunto exhaustivo (contiene todas las posibles ocurrencias) y mútuamente exclusivo (no pueden darse dos ocurrencias a la vez). Una vez definido el espacio muestral, el objetivo consiste en asignar a todo suceso compuesto A M un número real que mida el grado de incertidumbre sobre su ocurrencia. Para obtener medidas con significado matemático claro y práctico, se imponen ciertas propiedades intuitivas que definen una clase de medidas que se conocen como medidas de probabilidad. Definición 1.1 Medida de Probabilidad. Una función p que proyecta los subconjuntos A M en el intervalo [0, 1] se llama medida de probabilidad si satisface los siguientes axiomas 2 : Axioma 1 (Normalización): p(m) = 1. 1 Un experimento se denomina aleatorio cuando puede dar resultados distintos al realizarse en las mismas condiciones (por ejemplo, lanzar un dado al aire y observar el nmero resultante). 2 Formalmente, una medida de probabilidad se define sobre una σ-álgebra del espacio muestral, que es una colección de subconjuntos que es cerrada para los operadores de unión A B y complementario Ā = M\A (por tanto, también para intersecciones A B = Ā B). Sin embargo, optamos por una definición menos rigurosa y más intuitiva para introducir este concepto. 1
3 2 1. TEORÍA DE LA PROBABILIDAD Axioma 2 (Aditividad): Para cualquier sucesión infinita, A 1, A 2,..., de subconjuntos disjuntos de M, se cumple la igualdad ( ) p A i = p (A i ). (1.1) El Axioma 1 establece que, independientemente de nuestro grado de certeza, ocurrirá un elemento del espacio muestral M (es decir, el conjunto M es exhaustivo). El Axioma 2 es una fórmula de agregación que se usa para calcular la probabilidad de la unión de subconjuntos disjuntos. Establece que la incertidumbre de un cierto subconjunto es la suma de las incertidumbres de sus partes (disjuntas). Nótese que esta propiedad también se cumple para sucesiones finitas. De los axiomas anteriores pueden deducirse propiedades muy interesantes de la probabilidad. Por ejemplo: Complementariedad: La probabilidad de un suceso y la de su complementario suman uno, p(a) + p(ā) = 1. Normalización: La evidencia asociada a una ausencia completa de información es cero, p(φ) = 0. Su demostración es sencilla: 1 = p(m) = p(m φ) = p(m) + p(φ) p(φ) = 0. Acotación: La probabilidad de cualquier suceso es menor o igual que la unidad, p(a) 1, para A M. Monotonicidad: La evidencia de la pertenencia de un elemento a un conjunto debe ser al menos la evidencia de cualquiera de sus subconjuntos. Si A B M, entonces p(a) p(b). p(b) = p((b A) (B \A)) = p(a (B \A)) = p(a)+p(b \A) p(a). Inclusión-Exclusión: Dado cualquier par de subconjuntos A y B de M, se cumple siempre la siguiente igualdad: p(a B) = p(a) + p(b) p(a B). (1.2) Esta propiedad establece que las probabilidades de los conjuntos A, B, A B, y A B no son independientes Asignación de Probabilidades Para un mismo experimento aleatorio, existen numerosas medidas de probabilidad que cumplen los axiomas anteriores; sin embargo, la medida de probabilidad que se asigna a un experimento real debe de ajustarse a la incertidumbre real asociada con cada uno de los posibles sucesos. Así, sabemos
4 1.2. ASIGNACIÓN DE PROBABILIDADES 3 que al jugar a los dados, los seis nmeros tienen la misma probabilidad de ocurrir, si los dados no están trucados. Esta idea se corresponde con el enfoque clásico de la asignación de probabilidades, que se remonta al nacimiento de esta disciplina (Bernoulli, Laplace), y se basa en el principio de indiferencia: todos los sucesos elementales del espacio muestral son equiprobables (por ejemplo, en el caso de un dado no trucado). En este caso, la probabilidad de un suceso dado se puede obtener como el cociente del número de casos favorables a dicho suceso entre el número de casos posibles. En la práctica, la probabilidad asociada a un suceso cualquiera de un experimento se puede asignar repitiendo el experimento un número suficiente de veces y observando las frecuencias relativas de dicho suceso. Por ejemplo, si se quiere asignar una probabilidad a los suscesos elementales del lanzamiento de un dado, se puede repetir el experimento un número elevado de veces y observar las frecuencias de aparición del 1, 2, 3, 4, 5 y 6; en este caso, si alguna de las frecuencias se separa mucho del valor 1/6 se puede concluir que es un dado trucado. Ello lleva a definir la probabilidad de un suceso A como el límite asintótico de la frecuencia relativa de ocurrencia de dicho suceso en la realización del experimento: p(a) = n lím f n (A), donde f n (A) representa la frecuencia relativa del suceo A en n realizaciones del experimento. En la práctica una aproximación del límite asintótico se obtiene repitiendo el experimento un número suficientemente elevado de veces, a partir del cual f n (A) se estabiliza. Por ejemplo, si queremos asignar una probabilidad a los distintos sucesos meteorológicos que pueden producirse según la estación del año, la dirección del viento y la ausencia o no de lluvia, podemos definir una medida de probabilidad en base a las frecuencias observadas en un período amplio de tiempo (por ejemplo, diez años): INVIERNO PRIMAVERA VERANO OTOÑO N=3650 Seco Lluvia Seco Lluvia Seco Lluvia Seco Lluvia NE SE SW NW Una vez que se han hallado las probabilidades de los sucesos elementales, se pueden aplicar las propiedades de la probabilidad descritas anteriormente para calcular la probabilidad de sucesos compuestos como que sea invierno o llueva, que el viento no sople del NE, o que sea invierno y llueva. Ejemplo 1.1 (Lanzamiento de un dado). Un ejemplo clásico que ilustra los axiomas y la asignación de probabilidades es el del lanzamiento de un dado no trucado. En este caso el espacio muestral es M = {1, 2, 3, 4, 5, 6}, es decir, el conjunto de los posibles resultados del lanzamiento. Las frecuencias relativas de cada uno de estos sucesos elementales convergen al valor 1/6, indicando que son equiprobables (ver figura 1.1). A partir de esta asignación de probabilidades, y utilizando las propiedades de las medidas de probabilidad,
5 4 1. TEORÍA DE LA PROBABILIDAD se puede calcular p({1, 3}) = p({1}) + p({3}) = 1/3, p(impar) = p{1, 3, 5} = 1/2, etc. Un experimento equivalente a lanzar el dado consiste en extraer una bola de una urna que contiene seis bolas numeradas. Como se ve en la figura 1.1 los espacios muestrales y las asignaciones de probabilidades coinciden en ambos casos, indicando que ambos experimentos son equivalentes. x Ps(x) s(x) Dado x P(x) 1 1/6 2 1/6 3 1/6 4 1/6 5 1/6 6 1/ Urna / / / / / /6 1 x Ps(x) s(x) 1 1/ / / / / /9 1.5 Urna 2 Figura 1.1: Experimentos aleatorios equivalentes y no equivalentes Conteo: Conceptos Fundamentales de Combinatoria En numerosas situaciones prácticas, el problema de la asignación de probabilidades se reduce a un simple problema de combinatoria en el que es necesario contar el número de resultados posibles (sucesos elementales) y cuántos de éstos son favorables al suceso cuya probabilidad se quiere calcular. La siguentes definiciones muestran las reglas de conteo más elemtales, con las cuales pueden resolverse numerosas situaciones prácticas. Definición 1.2 Regla multiplicativa. Dados k conjuntos con n 1,..., n k elementos, respectivamente, el número de muestras distintas de k elementos que pueden obtenerse tomando un elemento de cada conjunto es n 1... n k. Definición 1.3 Combinaciones y Variaciones. Dado un conjunto de n elementos, el número de suconjuntos (no importa el orden) de m elementos distintos que pueden formarse viene dado por el número combinaciones de n elementos tomados de m en m: C n m = ( n m ) = n! (n m)! m!. (1.3)
6 1.2. ASIGNACIÓN DE PROBABILIDADES 5 Por otra parte, el número de conjuntos con elementos repetidos viene dado por las combinaciones con repetición: ( ) n CRm n (n + m 1)! = = m (n 1)! m!. (1.4) En cambio, el número de vectores (conjuntos ordenados) de m elementos distintos viene dado por variaciones de n elementos tomados de m en m: V n m = n(n 1)... (n m + 1) = n! (n m)!. (1.5) Asímismo, cuando existe repetición se habla de variaciones con repetición V R n m = m n. La regla multiplicativa permite dividir un problema en partes (que serán finalmente multiplicadas) y las variaciones y combinaciones permiten tratar cada una de estas partes. Ejemplo 1.2 En una competición donde participan 50 atletas, Cuántos podium (primero, segundo y tercero) distintos se pueden dar?, de cuántos formas distintas se puede elegir el conjunto de los tres mejores atletas? El número total de podium distintos viene dado por las permutaciones de las 50 personas tomadas de tres en tres = En cambio, las posibilidades para elegir a los tres mejores atletas son ( ) 20 = Ejemplo 1.3 Al lanzar una moneda 4 veces, de cuántas formas se pueden obtener 3 caras?. Y dos caras y dos cruces?. De ( ) ( ) 4 3 = 4 y = 6, respectivamente. 4 2 Ejemplo 1.4 (El problema de cumpleaños). Si k personas están en una habitación, Cuál es la probabilidad p(k) de que almenos dos personas cumplan años el mismo da?. El número total de combinaciones de días para los cumpleaños de k personas es 365 k. Calculamos la probabilidad del suceso complementario al pedido en el enunciado, es decir, el suceso todas las personas cumplen años en das distintos. El número de permutaciones posibles es a = k + 1 = 365!/(365 k)!. Por tanto la probabilidad de que todas la personas cumplan años en días distintos es b = a/365 k y la probabilidad de su suceso complementario, es decir, que al menos dos personas cumplan años el mismo día será: 365! p(k) = 1 b = k (365 k)! = 1 V k 365 V R 365. Por ejemplo, se puede observar que para que la probabilidad sea mayor de 0.5 es necesario un grupo de, al menos, 21 personas. k
7 6 1. TEORÍA DE LA PROBABILIDAD 1.3. Probabilidad Condicional El conocimiento de la ocurrencia de un suceso puede modificar las probabilidades de otros sucesos. Por ejemplo, la probabilidad de obtener un dos al lanzar un dado cambia si se sabe que el resultado es un número par, también la probabilidad de que un paciente tenga una enfermedad dada puede cambiar tras el conocimiento de los resultados de un análisis de sangre. Por ello, cada vez que se dispone de nueva información, las probabilidades de los sucesos pueden, y suelen, cambiar. Esto conduce al concepto de probabilidad condicional. Definición 1.4 Probabilidad condicional. Sean A e B dos sucesos tales que p(b) > 0. Entonces, la probabilidad condicional de A dado B viene dada por p(a B) p(a B) =. (1.6) p(b) La ecuación (1.6) implica que la probabilidad del suceso A B viene dada por p(a B) = p(b)p(a B). (1.7) Esta fórmula puede generalizarse para intersecciones de más conjuntos, dando lugar a la llamada regla de la cadena: p(a 1 A 2... A n ) = p(a 1 )p(a 2 A 1 )... p(a n A 1... A n 1 ). (1.8) Esta fórmula puede probarse de forma sencilla a partir de (1.7) Dependencia e Independencia Cuando un suceso sucesos no suministra información alguna sobre la ocurrencia de otro se dice que éstos dos sucesos son independientes. Definición 1.5 (Independencia de sucesos) Sean A y B dos sucesos tales quep (A) > 0 y P (B) > 0, se dice que el suceso B es independiente del A si P (B/A) = P (B). Una propiedad importante de la relación de independencia es su simetría. Recordando la definición de probabilidad condicionada se tiene P (B/A) = y por tanto P (B A) P (A) = P (B) P (A B) = P (A) P (B) P (A/B) = P (A B) P (B) = P (A) P (B) P (B) = P (A)
8 1.4. TEOREMA DE BAYES 7 luego si A es independiente de B, también B es independiente de A, por lo que se dice que A y B son independientes. Nótese que en la definición 1.5 puede utilizarse la condición P (A B) = P (A)P (B) (1.9) Ejemplo 1.5 Supongamos que durante 10 aos los fenómenos: estación del ao, dirección del viento y lluvia se han dado con las frecuencias mostradas en la siguiente tabla: ANUAL INVIERNO PRIMAVERA VERANO OTOO N=3650 Seco Lluvia Seco Lluvia Seco Lluvia Seco Lluvia Seco Lluvia NE SE SW NW TOTAL Si tomamos como sucesos elementales cada una las posibles combinaciones (estacion, viento, lluvia), podemos calcular: P (lluvia) = 2059/3650 = P (lluvia SW ) = P (LL SW )/P (SW ) = 661/886 = De esta forma vemos que los sucesos lluvia y viento son dependientes. Supongamos ahora que en lugar de considerar la estación del ao, consideramos la fase lunar: ANUAL Llena C. Menguante C. Creciente Nueva N=3650 Seco Lluvia Seco Lluvia Seco Lluvia Seco Lluvia Seco Lluvia NE SE SW NW TOTAL Ahora: P (lluvia) = 2059/3650 = P (lluvia CC) = 490/( ) = P (lluvia LN) = 544/( ) = P (lluvia CM) = 519/( ) = P (lluvia LL) = 506/( ) = 0.573, lo que indica que la lluvia y la fase lunar son independientes Teorema de Bayes El teorema de Bayes es una útil fórmula que nos permite dar la vuelta. a las probabilidades condicionadas y resolver casos prácticos en los que la inforamción disponible a priori no permite realizar el cálculo de forma directa.
9 8 1. TEORÍA DE LA PROBABILIDAD Teorema 1.1 (Probabilidad total). Sea {A 1, A 2,... A n } una clase exhaustiva (su unión es el espacio muestral) de sucesos incompatibles dos a dos. Entonces se tiene que P (B) = n P (B/A i ) P (A i ) Este teorema se puede demostrar fácilmente de la siguiente forma: P (B) = P (B ( n A i )) = P ( n (B A i )) = = n P (B A i ) = n P (B/A i ) P (A i ) Por ejemplo, la siguiente figura muestra (en su zona sombreada) los individuos que poseen una enfermedad (cáncer de estómago), denotado con g, mientras que la zona blanca son los individuos libres de la enfermedad, ḡ (estos dos sucesos son exhaustivos e incompatibles). A su vez, existen otros sucesos (síntomas) presentes en la población. El teorema de la probablidad total dice que la probabilidad de un síntoma (por ejemplo, dolor d) se puede obtener como P (d) = P (d g)p (g) + P (d ḡ)p (ḡ). Teorema 1.2 (Bayes). En las condiciones del teorema anterior se tiene: P (A i /B) = P (B/A i ) P (A i ) n P (B/A i ) P (A i ) La demostración de este teorema también es muy sencilla: P (A i B) = P (B/A i ) P (A i ) = P (A i /B) P (B)
10 1.4. TEOREMA DE BAYES 9 y despejando P (A i /B) y teniendo en cuenta el teorema de la probabilidad total resulta el teorema de Bayes. A las probabilidades P (A i ) se las suele llamar probabilidades a priori, por ser las probabilidades antes de conocer la información B. Las probabilidades P (A i /B), que son las probabilidades de A i después de conocer la información B, reciben el nombre de probabilidades a posteriori. Finalmente, las probabilidades P (B/A i ) se llaman verosimilitudes. Los conceptos presentados en este capítulo tienen mucha importancia en diversos campos aplicados como, por ejemplo en la inteligencia artificial (sistemas expertos probabilsticos) pues permiten inferir conclusiones en base a información cuantitativa; en estos sistemas, los modelos de aprendizaje se basan fundamentalmente en la probabilidad condicionada. En el siguiente ejemplo se muestra una de las aplicaciones más importantes de este campo (el diagnóstico médico) a la vez que se ilustra la aplicación del teorema de Bayes. Ejemplo 1.6 (Diagnóstico Médico).Un centro médico tiene una base de datos consistente en los historiales clínicos de n = 1000 pacientes; hay 700 pacientes (la región sombreada) que tienen la enfermedad adenocarcinoma gástrico (g), y 300 que no la tienen. Tres síntomas, dolor (d), pérdida de peso (p) y vómitos (v), se considera que están ligados a esta enfermedad. Por tanto, cuando un paciente nuevo llega al centro médico, hay una probabilidad 700/1000 = 70 % de que el paciente tenga adenocarcinoma gástrico. Esta es la probabilidad inicial, o a priori, puesto que se calcula con la información inicial, es decir, antes de conocer información alguna sobre el paciente. Por tanto, pueden hacerse las afirmaciones siguientes: probabilidad a priori : 440 de 1000 pacientes vomitan. Por ello, p(v) = card(v)/n = 440/1000 = 0.44, donde card(v) denota la frecuencia absoluta de pacientes de la base de datos que vomitan. Esto significa que el 44 % de los pacientes vomitan. Verosimilitud: El 50 % de los pacientes que tienen la enfermedad vomitan, puesto que p(v g) = card({v, g})/card(g) = 350/700 = 0.5, mientras que sólo 30 % de los pacientes que no tienen la enfermedad vomitan, puesto que p(v ḡ) = card({v, ḡ})/card(ḡ) = 90/300 = 0.3. Verosimilitud: El 45 % de los pacientes que tienen la enfermedad vomitan y pierden peso, p({v, p} g) = card({v, p, g})/card(g) = 315/700 = 0.45, mientras que sólo el 12 % de los que no tienen la enfermedad vomitan y pierden peso, p({v, p} ḡ) = card({v, p, ḡ})/card(ḡ) = 35/ Puesto que la probabilidad inicial de que el paciente tenga adenocarcinoma gástrico, p(g) = 0.7, no es suficientemente alta para hacer un diagnóstico (nótese que tomar una decisión ahora implica una probabilidad 0.3 de equivocarse), el doctor decide examinar al paciente para obtener más información. Supóngase que los resultados del examen muestran que el paciente tiene los
11 10 1. TEORÍA DE LA PROBABILIDAD síntomas vómitos y pérdida de peso. Ahora, dada la evidencia (el paciente tiene esos síntomas), cuál es la probabilidad de que el paciente tenga la enfermedad? Esta probabilidad a posteriori puede ser obtenida de la probabilidad a priori y de las verosimilitudes, aplicando el teorema de Bayes en dos etapas, como sigue: Tras observar que el paciente vomita la probabilidad a posteriori es p(g v) = = p(g)p(v g) p(g)p(v g) + p(ḡ)p(v ḡ) ( ) + ( ) = Tras observar que el paciente vomita y presenta pérdida de peso la probabilidad a posteriori es p(g {v, p}) = = p(g)p({v, p} g) p(g)p({v, p} g) + p(ḡ)p({v, p} ḡ) ( ) + ( ) = 0.9. (1.10) Nótese que cuando se aplica el teorema de Bayes sucesivamente, la probabilidad a posteriori calculada en una etapa dada es la misma que la probabilidad a priori en la etapa siguiente. Por ejemplo, la probabilidad a posteriori, que se ha calculado en la primera etapa anterior, puede ser usada como probabilidad a priori en la segunda etapa, es decir, p(g {v, p}) = = p(g v)p(p {g, v}) p(g v)p(p {g, v}) + p(ḡ v)p(p {ḡ, v}) ( ) + ( ) = 0.9, que da la misma respuesta que en (1.10). Nótese también que la probabilidad cambia tras observar las evidencias. La probabilidad de tener la enfermedad era inicialmente 0.7, después aumentó a 0.795, y luego a 0.9 tras observar la evidencia acumulada. Al final de la última etapa, el paciente tiene una probabilidad 0.9 de tener la enfermedad. Esta probabilidad puede ser suficientemente alta (comparada con la probabilidad a priori 0.7) para que el doctor diagnostique que el paciente tiene la enfermedad. Sin embargo, sería conveniente observar nuevas evidencias antes de hacer este diagnóstico Redes Probabiĺısticas Durante los últimos años la probabilidad se ha convertido en una herramienta fundamental en distintas áreas de la computación: aprendizaje automático (machine learning), computación neuronal, etc. En la última década
Tema 4 Probabilidad condicionada: teoremas básicos. Independencia de sucesos
Tema 4 Probabilidad condicionada: teoremas básicos. Independencia de sucesos 1. Probabilidad condicionada. Espacio de probabilidad condicionado La probabilidad condicionada es uno de los conceptos clave
Más detallesPor ello, son necesarios los sistemas expertos que traten situaciones de incertidumbre.
SISTEMAS EXPERTOS BASADOS EN PROBABILIDAD En las aplicaciones, la incertidumbre es lo común y no la excepción. Por ejemplo, una pregunta típica en diagnóstico médico es: dado que el paciente presenta unos
Más detalles2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria
2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un
Más detallesEn el resultado de los experimentos aleatorios interviene el azar, cuando ésto no ocurre así, hablaríamos de sucesos deterministas.
1.- EXPERIMENTOS ALEATORIOS Y SUCESOS Un experimento aleatorio es aquel que cumple las siguientes condiciones: Se conocen todos sus posibles resultados No se puede conocer el resultado que se obtendrá
Más detallesCOMBINATORIA Y PROBABILIDAD
COMBINATORIA Y PROBABILIDAD Esp. HENRY CARRASCAL C. Lic. Matemáticas y Física Esp. Informática Educativa Esp. Práctica Docente Universitaria Magíster en Práctica Pedagógica INSTITUCIÓN EDUCATIVA RAFAEL
Más detallesSistemas Expertos basados en probabilidad (2011/2012)
Luis Valencia Cabrera (coordinador) lvalencia@us.es (http://www.cs.us.es/~lvalencia) Manuel García-Quismondo mgarciaquismondo@us.es (http://www.cs.us.es/~mgarcia) Ciencias de la Computacion e IA (http://www.cs.us.es/)
Más detallesTEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES
TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela
Más detalles6. PROBABILIDAD I. Eugenio Hernández. COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso Universidad Autónoma de Madrid
6. PROBABILIDAD I Universidad Autónoma de Madrid COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2017-2018 6.1. Frecuencia y probabilidad. Modelos de probabilidad FENÓMENO ALEATORIO Un
Más detallesTEMA 1.- PROBABILIDAD.- CURSO
TEMA 1.- PROBABILIDAD.- CURSO 2016-2017 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Probabilidad condicionada. 1.3.- Independencia de sucesos. 1.4.- Teoremas
Más detallesProbabilidad. La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un experimento.
Matemáticas segundo medio COLEGIO SSCC CONCEPCION NOMBRE: Clase Teórica Práctica Nº 30 Probabilidad Probabilidad: Introducción La probabilidad mide la frecuencia con la que aparece un resultado determinado
Más detallesTEMA 1.- PROBABILIDAD.-CURSO 2016/2017
TEMA 1.- PROBABILIDAD.-CURSO 2016/2017 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Probabilidad condicionada. 1.3.- Independencia de sucesos. 1.4.- Teoremas
Más detallesTEMA 1.- PROBABILIDAD.- CURSO
TEMA 1.- PROBABILIDAD.- CURSO 2017-2018 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Combinatoria. Regla del producto 1.2.- Probabilidad condicionada.
Más detallesUnidad Temática 2 Probabilidad
Unidad Temática 2 Probabilidad Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una F si la rechaza. 1. El experimento que consiste
Más detallesTema 1: Teorı a de la Probabilidad
Tema 1: Teorı a de la Probabilidad Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Experimentos Aleatorios y Sucesos 2 Cálculo Combinatorio 3 Probabilidad 4 Probabilidad Condicional 5 Teorema de
Más detallesProbabilidades. Universidad de las Américas Instituto de Matemática, Física y Estadística. Centro de Aprendizaje Matemático - CAM
Universidad de las Américas Instituto de Matemática, Física y Estadística. Centro de Aprendizaje Matemático - CAM Probabilidades P(A) = Casos favorables Casos posibles Objetivos: Definir el concepto de
Más detallesTeorema de Bayes. mientras que B tiene una tasa de defectos del 4%.
Teorema de Bayes Ejemplo: En una empresa manufacturera, una máquina A produce el 60% de la producción total, mientras que una máquina B el restante 40%. 71 El 2% de las unidades producidas por A son defectuosas,
Más detallesBloque I: Estadística y Probabilidad
Bloque I: Estadística y Probabilidad 1. Probabilidad 1. Teoría de la probabilidad 2. Probabilidad condicionada 3. Dependencia e independencia de sucesos 4. Técnicas de recuento: diagramas de árbol, tablas
Más detallesTema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Más detallesUNIDAD XI Eventos probabilísticos
UNIDAD XI Eventos probabilísticos UNIDAD 11 EVENTOS PROBABILÍSTICOS Muchas veces ocurre que al efectuar observaciones en situaciones análogas y siguiendo procesos idénticos se logaran resultados diferentes;
Más detallesProcesos Estocásticos
Capítulo 2 Procesos Estocásticos La teoría de la probabilidad es, junto con la teoría de señales, uno de los dos pilares matemáticos sobre los que se asienta el análisis de sistemas de comunicaciones digitales.
Más detallesUNIDAD II Eventos probabilísticos
UNIDAD II Eventos probabilísticos UNIDAD 2 EVENTOS PROBABILÍSTICOS Muchas veces ocurre que al efectuar observaciones en situaciones análogas y siguiendo procesos idénticos se logaran resultados diferentes;
Más detallesTEMA: AZAR Y PROBABILIDAD.
TEMA: AZAR Y PROBABILIDAD. 1. EXPERIENCIAS ALEATORIAS. SUCESOS. Una experiencia aleatoria es toda aquella cuyo resultado depende del azar. (Extraer una carta de una baraja, lanzar una moneda, lanzar unos
Más detalles1. Experimentos aleatorios
1. Eperimentos aleatorios La eperimentación es útil porque si se supone que llevamos a cabo ciertos eperimentos bajo condiciones esencialmente idénticas se llegará a los mismos resultados. En estas circunstancias,
Más detallesProbabilidad 2º curso de Bachillerato Ciencias Sociales
PROBABILIDAD Índice: 1. Experimentos aleatorios. Espacio muestral----------------------------------------------------- 2 2. Suceso aleatorio ------------------------------------------------------------------------------------
Más detallesApuntes de Probabilidad
Apuntes de Probabilidad La teoría de la probabilidad tuvo sus inicios en el análisis de los juegos de azar de siglo XVII. En este tema, trataremos aspectos relaciones con la teoría de probabilidad. En
Más detallesU D PROBABILIDAD 2º BACHILLERATO Col. LA PRESENTACIÓN PROBABILIDAD
PROBABILIDAD 0. DEFINICIONES PREVIAS 1. DISTINTAS CONCEPCIONES DE PROBABILIDAD a. Definición Clásica b. Definición Frecuentista 2. DEFINICIÓN AXIOMÁTICA DE PROBABILIDAD a. Espacio Muestral b. Suceso Aleatorio
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Probabilidad, un concepto básico el cual puede considerarse como indefinido, expresando de algún modo un grado de creencia, o la frecuencia límite de una serie aleatoria. Ambos
Más detallesPROBABILIDAD. Profesor: Rafael Núñez Nogales CÁLCULO DE PROBABILIDADES. Experimentos y sucesos
PROBABILIDAD CÁLCULO DE PROBABILIDADES Experimentos y sucesos Experimento aleatorio Es aquel cuyo resultado depende del azar, es decir no se puede predecir de antemano qué resultado se va a obtener aunque
Más detallesP R O B A B I L I D A D E S
Seminario Conciliar La Serena DEPTO DE MATEMATICA. MCP - GGU P R O B A B I L I D A D E S DEFINICIÓN: Es una rama de la matemática que consiste en el estudio de ciertos experimentos llamados aleatorios
Más detallesExperimento Aleatorio o ensayo
Clase 5 1 Experimento Aleatorio o ensayo Es un proceso o acción cuyo resultado es incierto, es decir no es predecible. Es factible de ser repetido infinitas veces, sin modificar las condiciones. Repetición
Más detallesCálculo de probabilidad. Tema 1: Combinatoria y probabilidad
Cálculo de probabilidad Tema 1: Combinatoria y probabilidad Guión Guión 1.1. Análisis combinatorio Regla de multiplicación Este es el método de conteo más sencillo que existe. Supongamos que realizamos
Más detallesApuntes de Probabilidad 4ESO
Apuntes de Probabilidad 4ESO Existen fenómenos donde la concurrencia de unas circunstancias fijas no permite anticipar cuál será el efecto producido. Por ejemplo, si una moneda cae al suelo, no es posible
Más detallesApuntes de Probabilidad
Apuntes de Probabilidad Existen fenómenos donde la concurrencia de unas circunstancias fijas no permite anticipar cuál será el efecto producido. Por ejemplo, si una moneda cae al suelo, no es posible conocer
Más detallesPROBABILIDAD CONDICIONAL E INDEPENDENCIA
PROBABILIDAD CONDICIONAL E INDEPENDENCIA Definición Si A y B son dos eventos, se define la probabilidad de A dado B como la probabilidad de que ocurra el evento A cuando el evento B ya ocurrió o se tiene
Más detallesTipos de Probabilidades
Pre-universitario Manuel Guerrero Ceballos Clase N 03 MODULO COMPLEMENTARIO Tipos de Probabilidades Resumen de la clase anterior Probabilidad Combinatoria Probabilidades Con y sin repetición Regla de Laplace
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detallesIntroducción a los Sistemas Expertos basados en probabilidad (2010/2011)
Luis Valencia Cabrera lvalencia@us.es (http://www.cs.us.es/~lvalencia) Ciencias de la Computacion e IA (http://www.cs.us.es/) Universidad de Sevilla Introducción a los Sistemas Expertos basados en probabilidad
Más detallesIntroducción a la Probabilidad
Introducción a la Probabilidad Tema 3 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Entender el concepto de experimento
Más detallesA partir de la definición obtenemos las siguientes propiedades para estas funciones:
Capítulo 1 Conjuntos Supondremos conocidas las nociones básicas sobre teoría de conjuntos, tales como subconjuntos, elementos, unión, intersección, complemento, diferencia, diferencia simétrica, propiedades
Más detallesCÁLCULO DE PROBABILIDADES EXPERIENCIAS ALEATORIAS. SUCESOS EXPERIENCIAS DETERMINISTAS Y ALEATORIAS
CÁLCULO DE PROBABILIDADES EXPERIENCIAS ALEATORIAS. SUCESOS EXPERIENCIAS DETERMINISTAS Y ALEATORIAS Se llama experiencia determinista a aquella que conocemos el resultado antes de realizar el experimento:
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Probabilidad Conceptos como probabilidad, azar, aleatorio son tan viejos como la misma civilización. Y es que a diario utilizamos el concepto de probabilidad: Quizá llueva mañana
Más detallesProbabilidad. Dividiendo por n la igualdad anterior, se deduce que la suma de las frecuencias relativas de todos los resultados es igual a 1:
Probabilidad 1. Experimentos aleatorios. Probabilidad Imaginemos que lanzamos un dado. El resultado del lanzamiento puede ser cualquiera de los números comprendidos entre 1 y 6, y, en principio, no se
Más detallesTEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL.
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL. 10.1 Experimentos aleatorios. Sucesos. 10.2 Frecuencias relativas y probabilidad. Definición axiomática. 10.3 Distribuciones de
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA 5)
TEMA 5 NOCIONES BÁSICAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer los conceptos de experimento aleatorio y espacio muestral. Distinguir los distintos tipos de sucesos que forman parte del espacio
Más detalles(DOCUMENTO DE TRABAJO ELABORADO A PARTIR DE RECURSOS ENCONTRADOS EN LA WEB: AULAFACIL 1 Y VADENUMEROS 2 )
PROBABILIDAD (DOCUMENTO DE TRABAJO ELABORADO A PARTIR DE RECURSOS ENCONTRADOS EN LA WEB: AULAFACIL 1 Y VADENUMEROS 2 ) La probabilidad mide la frecuencia relativa (proporción) de un resultado determinado
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Sondeo Que tanto han visto sobre temas relacionados con probablidad y estadística? Por ejemplo: combinaciones, permutaciones, teorema del binomio, teoría de conjuntos? Probabilidad
Más detallesUniversidad del CEMA Prof. José P Dapena Métodos Cuantitativos II - PROBABILIDAD. 2.1 Introducción
II - PROBABILIDAD 2.1 Introducción La herramienta básica sobre la que se basan los métodos cuantitativos es la PROBABILIDAD, por lo que es necesario dedicar cierto tiempo a entender este importante concepto
Más detallesEXPERIENCIAS ALEATORIAS. SUCESOS
Matemáticas 2ºBachillerato Aplicadas a las Ciencias Sociales 3º Evaluación Probabilidad EXPERIENCIAS ALEATORIAS. SUCESOS Experiencias Deterministas y Aleatorias Experiencias deterministas: son aquellos
Más detallesSon los experimentos de los que podemos predecir el resultado antes de que se realicen.
PROBABILIDAD Definición de probabilidad La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.
Más detallesEstadística I Tema 4: Probabilidad
Estadística I Tema 4: Probabilidad Tema 4. Probabilidad Contenidos Experimentos aleatorios, espacio muestral, sucesos elementales y compuestos. Definición de probabilidad. Propiedades. Probabilidad condicionada
Más detallesEsquema Matemáticas CCSS
Esquema Matemáticas CCSS 3. Probabilidad 3.1 Conocer la terminología básica del Cálculo de Probabilidades. Construir el espacio muestral asociado a un experimento aleatorio simple. Describir sucesos y
Más detallesRelación 1. Sucesos y probabilidad. Probabilidad condicionada.
Relación. Sucesos y probabilidad. Probabilidad condicionada.. Sean A, B y C tres sucesos cualesquiera. Determine expresiones para los siguientes sucesos: Ocurre sólo A. Ocurren A y B pero no C. c) Ocurren
Más detallesApuntes de Probabilidad
Apuntes de Probabilidad Existen fenómenos donde la concurrencia de unas circunstancias fijas no permite anticipar cuál será el efecto producido. Por ejemplo, si una moneda cae al suelo, no es posible conocer
Más detallessi este límite es finito, y en este caso decimos que f es integrable (impropia)
Capítulo 6 Integrales impropias menudo resulta útil poder integrar funciones que no son acotadas, e incluso integrarlas sobre recintos no acotados. En este capítulo desarrollaremos brevemente una teoría
Más detallesMs. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ La estadística descriptiva Le concierne el resumen de datos recogidos de eventos pasados. Por ejemplo los precios de
Más detalles6. PROBABILIDAD. Eugenio Hernández. COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso
6. PROBABILIDAD COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2012-2013 6.1. Frecuencia y probabilidad. Modelos de probabilidad 6.1. Frecuencia y probabilidad. Modelos de probabilidad
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 2 Espacios de probabilidad Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo
Más detallesEn qué se basa el supuesto de que la frecuencia vaya a un ĺımite? Nunca podemos repetir un experimento tantas veces.
Críticas En qué se basa el supuesto de que la frecuencia vaya a un ĺımite? Nunca podemos repetir un experimento tantas veces. No es una definición muy útil en la práctica porque no da una medida a priori
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detallesIntroducción a la probabilidad
Estadística Introducción a la probabilidad El término probabilidad se utiliza habitualmente en relación con que ocurra un determinado suceso cuando se lleva a cabo un experimento. Definición: Un experimento
Más detallesSon los experimentos de los que podemos predecir el resultado antes de que se realicen.
Probabilidad Experimentos deterministas Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Ejemplo Si dejamos caer una piedra desde una ventana sabemos, sin lugar a
Más detallesProbabilidad PROBABILIDAD
PROBABILIDAD La probabilidad es un método mediante el cual se obtiene la frecuencia de un suceso determinado mediante la realización de un experimento aleatorio, del que se conocen todos los resultados
Más detallesPROBABILIDAD ALGUNAS DEFINICIONES
PROBABILIDAD La probabilidad es la rama de la matemática que mide la incertidumbre. Si bien es cierto que surgió de los juegos de azar, en la actualidad tiene variadas aplicaciones. Para calcular el tamaño
Más detallesEjemplo: Si lanzamos un dado 7 veces y 3 de ellas nos sale par, la frecuencia
Probabilidad La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles,
Más detallesESTADISTICA GENERAL. PROBABILIDADES Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL PROBABILIDADES Profesor: Celso Celso Gonzales OBJETIVOS Desarrollar la comprensión de los conceptos básicos de probabilidad. Definir que es probabilidad Definir los enfoques clasico,
Más detallesPROBABILIDAD. Experiencia aleatoria es aquella cuyo resultado depende del azar.
PROBABILIDAD. 1 EXPERIENCIAS ALEATORIAS. SUCESOS. Experiencia aleatoria es aquella cuyo resultado depende del azar. Suceso aleatorio es un acontecimiento que ocurrirá o no dependiendo del azar. Espacio
Más detallesProbabilidad E x p e r i m e n t o s d e t e r m i n i s t a s E j e m p l o E x p e r i m e n t o s a l e a t o r i o s a z a r E j e m p l o s
Probabilidad Experimentos deterministas Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Ejemplo Si dejamos caer una piedra desde una ventana sabemos, sin lugar a
Más detalles2. Conceptos Básicos de Probabilidad. ESTADÍSTICA Esp. Paola G. Herrera S.
2. Conceptos Básicos de Probabilidad ESTADÍSTICA Esp. Paola G. Herrera S. Introducción La probabilidad es la rama de las matemáticas que estudia los fenómenos con incertidumbre. Es un mecanismo por medio
Más detallesESPACIOS MUESTRALES Y EVENTOS
1 ESPACIOS MUESTRALES Y EVENTOS Definiciones 1. Un experimento aleatorio es aquel que proporciona diferentes resultados aun cuando se repita siempre de la misma manera. 2. El conjunto de los posibles resultados
Más detallesTema 6: Introducción a la Probabilidad
Tema 6: Introducción a la Probabilidad 1. Introducción 2. La regularidad estadística 3. Concepto de probabilidad i. Definición clásica ii. Concepto frecuencialista de la probabilidad iii. Definición axiomática
Más detalles2.6. Probabilidad Condicional
64 2.6. Probabilidad Condicional 2.6.1. Introducción. En la aplicación de la teoría de probabilidades a problemas prácticos es frecuente que el experimentador este confrontando con la siguiente situación:
Más detallesTEORÍA Y EJERCICIOS RESUELTOS DE COMBINATORIA Y PROBABILIDAD. Notas teóricas
MATEMÁTICAS º ESO TEORÍA Y EJERCICIOS RESUELTOS DE COMBINATORIA Y PROBABILIDAD Juan J. Pascual COMBINATORIA Y PROBABILIDAD Notas teóricas - Variaciones: Las variaciones son agrupaciones ordenadas de objetos
Más detallesel blog de mate de aida PROBABILIDAD 4º ESO PROBABILIDAD
Pág.1 PROBABILIDAD EXPERIMENTOS ALEATORIOS. SUCESOS. Experimento determinista es aquel en que se puede predecir el resultado, siempre que se realice en las mismas condiciones. (Ejemplo: medir el tiempo
Más detalles3.Si A y B son incompatibles, es decir A B = entonces:
Axiomas de la probabilidad 1.La probabilidad es positiva y menor o igual que 1. 0 p(a) 1 2. La probabilidad del suceso seguro es 1. p(e) = 1 3.Si A y B son incompatibles, es decir A B = entonces: p(a B)
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA Pablo Torres Facultad de Ciencias Exactas, Ingeniera y Agrimensura - Universidad Nacional de Rosario Unidad 2: Probabilidad INTRODUCCIÓN Al lanzar un dado muchas veces veremos
Más detallesNúmeros naturales, principio de inducción
, principio de inducción. Conjuntos inductivos. Denotaremos por IN al conjunto de números naturales, IN {,,, 4, 5, 6,...}, cuyos elementos son suma de un número finito de unos. Recordemos que IN es cerrado
Más detallesf = 0 = n A n + n B = n A + n B n
1. Para todo suceso A, f A es el cociente de dos números positivos tal que el numerador es menor o igual que el denominador, luego se tiene que 0 f A 1 2. Debido a que el suceso seguro, Ω, se verifica
Más detallesel blog de mate de aida PROBABILIDAD 4º ESO PROBABILIDAD
Pág.1 PROBABILIDAD EXPERIMENTOS ALEATORIOS. SUCESOS. Experimento determinista es aquel en que se puede predecir el resultado, siempre que se realice en las mismas condiciones. (Ejemplo: medir el tiempo
Más detallesBárbara Cánovas Conesa. Combinatoria
árbara Cánovas Conesa 1 Combinatoria La Combinatoria es la parte de las Matemáticas que se ocupa de la resolución de problemas de elección y disposición de los elementos de cierto conjunto, de acuerdo
Más detallesTEORÍA DE CONJUNTOS A ={ 1, 2, 3, 4, 5, 6 }
TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO DEFINICIÓN Y NOTACIÓN DE CONJUNTOS El término conjunto juega un papel fundamental en el desarrollo de las matemáticas modernas; Además de proporcionar
Más detallesJuan Carlos Colonia P. PROBABILIDADES
Juan Carlos Colonia P. PROBABILIDADES EXPERIMENTO ALEATORIO Se conocen todos los resultados posibles antes de realizar el experimento. Antes de realizar el experimento no se puede conocer el resultado
Más detalles1. Combinatoria Sucesos aleatorios...
PROBABILIDAD Índice: Página. Combinatoria..... Sucesos aleatorios...... Experimento aleatorio...... Tipos de sucesos....3. Operaciones con sucesos..... Sistema completo de sucesos....5. Experimentos compuestos...
Más detallesTEMA 6: CÁLCULO DE PROBABILIDADES. 6.1 Concepto de suceso aleatorio. Terminología y definiciones.
I.E.S. Salvador Serrano Dto. de Matemáticas (Daniel García) 2º CCSS 202 / TEMA : CÁLCULO DE PROBABILIDADES.. Concepto de suceso aleatorio. Terminología y definiciones. La probabilidad se centra en los
Más detallesEn qué se basa el supuesto de que la frecuencia vaya a un ĺımite? Nunca podemos repetir un experimento tantas veces.
Críticas En qué se basa el supuesto de que la frecuencia vaya a un ĺımite? Nunca podemos repetir un experimento tantas veces. No es una definición muy útil en la práctica porque no da una medida a priori
Más detallesFundamentos de la Teoría de la Probabilidad. Ing. Eduardo Cruz Romero
Fundamentos de la Teoría de la Probabilidad Ing. Eduardo Cruz Romero www.tics-tlapa.com Teoría elemental de la probabilidad (1/3) El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos
Más detallesCurs MAT CFGS-18
Curs 2015-16 MAT CFGS-18 PROBABILIDAD Introducción Los fundamentos del cálculo de probabilidades surgen alrededor del año 1650, cuando sugerido por los juegos de dados, de cartas, del lanzamiento de una
Más detallesDISTINGUIR ENTRE EXPERIMENTO ALEATORIO Y DETERMINISTA
OBJETIVO 1 DISTINGUIR ENTRE EXPERIMENTO ALEATORIO Y DETERMINISTA EXPERIMENTOS ALEATORIOS Y DETERMINISTAS Experimento determinista es aquel que, una vez estudiado, podemos predecir, es decir, que sabemos
Más detallesApuntes de Probabilidad para 2º E.S.O
Apuntes de Probabilidad para 2º E.S.O 1. Experimentos aleatorios Existen fenómenos donde la concurrencia de unas circunstancias fijas no permite anticipar cuál será el efecto producido. Por ejemplo, si
Más detalles3.Si A y B son incompatibles, es decir A B = entonces:
Axiomas de la probabilidad 1.La probabilidad es positiva y menor o igual que 1. 0 p(a) 1 2. La probabilidad del suceso seguro es 1. p(e) = 1 3.Si A y B son incompatibles, es decir A B = entonces: p(a B)
Más detallesProbabilidad. Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz. Teoría de probabilidades
Experimentos deterministas Probabilidad Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas,
Más detalles10/03/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índice Sucesos aleatorios y Teoría de Conjuntos. robabilidad. Definición clásica. Definición como frecuencia relativa. Dfiiió Definición axiomática. robabilidad condicionada:
Más detallesEstadística I Tema 4: Probabilidad
Estadística I Tema 4: Probabilidad Tema 4. Probabilidad Contenidos Experimentos aleatorios, espacio muestral, sucesos elementales y compuestos. Definición de probabilidad. Propiedades. Probabilidad condicionada
Más detalles1. Conocimientos previos. 1 Funciones exponenciales y logarítmicas.
. Conocimientos previos. Funciones exponenciales y logarítmicas.. Conocimientos previos. Antes de iniciar el tema se deben de tener los siguientes conocimientos básicos: Intervalos y sus definiciones básicas.
Más detallesPROBABILIDAD. 1.- Halla el espacio muestral asociado al experimento de lanzar al aire un dado y observar el resultado.
PRBABILIDAD EXPERIMENTS ALEATRIS Experimento determinista y aleatorio Un experimento aleatorio tiene un resultado impredecible al repetirlo en condiciones similares. Un experimento determinista tiene un
Más detallesUNIDAD DIDÁCTICA 14: Nociones elementales de probabilidad
accés a la universitat dels majors de 25 anys acceso a la universidad de los mayores de 25 años UNIDAD DIDÁCTICA 14: Nociones elementales de probabilidad ÍNDICE: CONTENIDOS 1 Sucesos equiprobables 2 La
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesConceptos. Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado.
Teresa Pérez P DíazD Profesora de matemática tica Conceptos Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado. Ejemplos: E : Lanzar un dado,
Más detalles